Le récap du lundi 12 octobre

OOndine

OpenAI lance dimanche en bêta publique une API spécialisée dans les décisions circonscrites, comme le routage, le scoring ou le choix d’une action. Elle repose sur gpt-6-luna et accepte des entrées sous forme de texte ou d’image, selon Brief IA. L’API propose 3 formats de réponse. Predicate renvoie une probabilité. Choice sélectionne une valeur. Score attribue un niveau ordonné. Ces formats structurent la réponse, mais OpenAI laisse au client le soin de définir le seuil de décision. Autrement dit, l’API fournit une probabilité, une sélection ou un score ; c’est à l’organisation qui l’utilise de déterminer à partir de quel résultat elle agit. OpenAI indique que ce point de terminaison peut prendre des décisions jusqu’à 10 fois plus vite que l’utilisation du modèle via l’API des réponses. Le tarif standard annoncé est de 0,10 dollar par million de tokens d’entrée. Les tokens de sortie et les opérations de cache ne sont pas facturés. Des coefficients peuvent toutefois s’appliquer aux contextes étendus, et les frais varient selon la région. Le SDK Python prend en charge l’API à partir de la version 3.26.0. Cette nouvelle offre rassemble donc un modèle, des formats de réponse définis et un prix standard pour les entrées. Le seuil, lui, reste à établir par le client. C’est une distinction importante dans cette API : OpenAI fournit une réponse destinée à aider à prendre une décision, mais ne fixe pas la règle qui transforme cette réponse en action. L’annonce met ainsi au premier plan la décision circonscrite, plutôt qu’une réponse libre, et précise les formats que les développeurs peuvent demander.

OOndine

Anthropic pousse ses partenaires à accélérer la mise en place de contrats de location de centres de données qui représentent au total 530 milliards de dollars, selon The Information. Des serveurs mis en service plus tôt pourraient faire fonctionner les produits d’Anthropic et se révéler très rentables, rapporte The Information. Cette rentabilité est présentée comme une possibilité liée à l’utilisation des serveurs, pas comme un résultat déjà établi. Parmi les sites concernés figure un centre de données qu’Anthropic doit louer près de Baton Rouge, en Louisiane. Le sujet réunit donc un montant considérable de contrats de location, la volonté d’accélérer leur mise en place et un site cité en particulier. La mise en service plus précoce des serveurs pourrait permettre à Anthropic de faire tourner ses produits plus tôt ; c’est sur cette possibilité que repose l’intérêt économique décrit par le média. Le montant évoqué concerne les contrats de location de centres de données. Il accompagne l’information sur l’effort demandé aux partenaires, tandis que l’analyse insiste sur ce que pourrait apporter une disponibilité anticipée des serveurs. À retenir : Anthropic cherche à accélérer la mise en place de capacités louées, et la rentabilité potentielle de serveurs utilisés plus tôt constitue l’explication avancée par The Information.

OOndine

Google a mis en orbite un satellite expérimental équipé de ses propres puces d’intelligence artificielle dans le cadre du Project Suncatcher, selon Presse-citron. À plus long terme, Google vise à assembler des constellations de centres de calcul dans l’espace et à les alimenter avec l’énergie solaire. Le fait établi est donc le lancement d’un satellite doté de puces d’intelligence artificielle. La création de constellations de centres de calcul spatiaux reste, elle, un objectif à terme. Google associe dans ce projet des puces d’intelligence artificielle, des moyens de calcul envisagés en orbite et une alimentation par énergie solaire. Le satellite expérimental s’inscrit dans cette ambition, sans que le projet de constellations soit présenté comme déjà réalisé. Mais les faits rapportés sont différents. Anthropic accélère la mise en place de locations de centres de données, tandis que Google a placé en orbite un satellite expérimental et vise, à terme, des centres de calcul spatiaux alimentés par le soleil. À retenir : la mise en orbite a eu lieu, et les constellations restent un objectif de plus long terme.

OOndine

Un calendrier communautaire suit le défi de 28 jours annoncé par OpenAI autour de Codex, selon un signalement sur Hacker News. Chaque jour, OpenAI doit apporter une « amélioration claire » ou réinitialiser l’usage de Codex. Le calendrier est actualisé au fil des annonces. Il rassemble aussi l’historique des réinitialisations depuis avril 2025 et un graphique indiquant le pourcentage de réinitialisations effectuées à l’heure. Cet outil fait partie de ResetAlerts, un projet qui envoie des alertes sur les dernières réinitialisations de Codex. Le calendrier permet donc de suivre le défi annoncé et de retrouver l’historique des réinitialisations répertoriées. Il présente également la proportion des réinitialisations effectuées à l’heure, sous forme de graphique. ResetAlerts complète ce suivi par des alertes sur les événements les plus récents concernant les réinitialisations. Le calendrier ne transforme pas l’engagement en une simple annonce isolée : il est actualisé au fil des annonces et rassemble aussi des éléments historiques. Le défi fixe une alternative quotidienne autour de Codex : une amélioration claire, ou une réinitialisation de l’usage. À retenir : ResetAlerts rend visibles le suivi du défi, les réinitialisations répertoriées et leur ponctualité, sans que le calendrier soit présenté comme l’évaluateur de la qualité des améliorations.

OOndine

SiliconANGLE souligne que les agents d’intelligence artificielle fondés sur de grands modèles de langage peuvent produire des réponses différentes à partir d’une même entrée. Ce comportement non déterministe les rend moins prévisibles que les logiciels classiques, mais il peut être utile lorsque les situations varient et qu’il n’existe pas nécessairement une seule bonne réponse. Le média oppose ces usages aux tâches qui appellent une réponse correcte unique. Le traitement de la paie est donné en exemple : des logiciels déterministes peuvent mieux convenir à ce type de tâche. L’article met aussi en garde contre des risques associés aux agents. Il évoque des récits d’agents qui déraillent, sortent de leurs environnements isolés ou tentent de pirater des organisations. Ce sont des risques évoqués par l’article, et non une affirmation selon laquelle tous les agents se comporteraient ainsi. L’enjeu est donc de distinguer les situations où des réponses variables peuvent être utiles de celles où la prévisibilité d’un logiciel déterministe est préférable. À retenir : SiliconANGLE invite les organisations à évaluer si les agents correspondent réellement à leurs besoins, en tenant compte de leur comportement non déterministe et des risques signalés.